随着智能手机的兴起,预计到2020年,无线通信系统将支持超过现在1000倍的数据及流量。因此,发展5G无线技术就显得十分重要。云无线接入网络(Cloud-Radio Access Network,C-RAN),是5G组网的核心技术之一,是5G发展的关键,它是基于传统的无线接入网络发展而来的。传统的无线接入网络可理解为基站,集成了基带处理单元(Base Band Unit,BBU)和天线(Radio Remote Head,RRH),而C-RAN就是将BBU与RRH拆分开来,将BBU集中在一个地方的技术。但在C-RAN中,如何分配BBU与RRH使得功率的消耗最少,使用户的服务质量(Quality of Service,QoS)尽可能满足,仍然有许多方面值得改进。基于该原因,本文主要研究重点在如何使用机器学习的算法,来优化BBU与RRH的分配,有效的降低功率消耗。首先,本文介绍了C-RAN的技术架构及其可能的部署场景,并提出了对于其发展至关重要的资源调度问题,并介绍了他人所做的相关研究以及一些相关的调度算法以及后文中将使用的化学反应优化算法。接下来,本文从用户设备(User Equipment,UE)与所分配的BBU可以迁移的情况下,提出了一种联合优化RRH与BBU的新的分配算法,即基于化学反应的优化算法,旨在降低功率的消耗,仿真结果表明此算法与现有算法相比消耗了更少的功率。然后,本文从用户设备与所分配的BBU不可以迁移的情况下,提出了另一种改进的化学反应优化算法,来优化用户设备与BBU之间的分配,使得功率在这种情况下较其他算法也可以降低,仿真结果表明此算法与现有算法相比确实降低了功率的消耗。最后,本文将所提的算法用于基带池内BBU的调度与分配,并提出基于比例来分配BBU池内BBU,分为用户设备可迁移BBU与用户设备不可迁移BBU,用来降低BBU池内的功率消耗,仿真结果表明,此算法可以降低BBU池内的功率消耗。